收藏本站
《重庆大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

基于流形学习的风电机组传动系统故障诊断方法研究

李锋  
【摘要】:风能作为一种无污染的可再生资源,成为世界各国争相发展的领域之一。风力发电装备在我国取得了长足的发展,已形成一种新型产业。但风力发电机组(以下简称风电机组)的工作环境恶劣,风速具有不稳定性,在交变负载作用下,机组的传动系统最容易失效和损坏。传动系统不平衡、磨损、疲劳损伤、断裂等故障是风电机组的主要故障。而风电机组又安装在偏远地区且距地面甚高,并且又是规模化、成片式的运作模式,因此维修十分不便,风电机组传动系统的智能故障诊断在这种情况下就显得非常必要和迫切。然而,风电行业目前又欠缺智能故障诊断技术。目前大型风电机组的就地控制器SCADA仅有运行数据采集、阈值报警和通信功能,不能对风电机组传动系统进行故障诊断。而SKF公司针对风电机组的状态监测系统WindCon目前也只具备预警、报警及简易的信号分析功能,缺乏精确故障诊断技术。同时,现有的面向旋转机械的故障诊断方法普遍采用“特征提取→模式识别”这一模式,又存在以下两个与风电机组传动系统故障诊断技术需求不相适应的重大缺陷:①特征提取方式需要人工干预,故障特征优选质量完全取决于经验,这种做法与风电机组的工作条件和运行模式所要求的自动化、高精度、快速性的故障诊断方式相背离;②普遍采用的单一/单域故障特征提取方法孤立使用普适性不强,难以全面准确地获取复杂系统不同部位、不同类型、不同程度的故障特征,而风电机组传动系统是一个刚柔耦合的多体复杂系统,系统主要部件风轮、主轴和齿轮箱之间的强耦合作用造成系统失效形式、失效层级比较复杂,这就要求面向风电机组的故障诊断方法向系统性方法提升,而现有故障特征提取方式难以达到这一要求。为此,本文基于流形学习维数化简理论开展了稳定性、自动化、高精度、快速性与通用性相统一的风电机组传动系统智能故障诊断方法研究。本文主要研究内容如下: ①针对目前的模式识别方法自适应模式识别特性不强,模式识别精度的稳定性不好的问题,基于最小二乘支持向量机(LS-SVM),提出了两种解决方案。一是将LS-SVM的训练模型视为最优化问题的目标函数,采用遗传算法对LS-SVM的指数参数、补偿参数和惩罚因子进行全局寻优,使目标函数达到极值,从而实现LS-SVM稳定性的提高。二是通过构造可更好地逼近LS-SVM的训练目标函数和决策函数,具有更好非线性映射能力的小波核Littlewood-Paley、Shannon、Morlet来提高LS-SVM的自适应分类特性即稳定性。另外还研究了直接利用训练样本的局部和类标签信息来对测试样本进行分类的最近邻分类器(KNNC)。理论分析、仿真实验和风电机组轴承故障诊断实例表明小波支持向量机LPWSVM、SWSVM、MWSVM和KNNC的诊断精度、稳定性与遗传算法分层优化LS-SVM等效,但计算效率优于遗传算法分层优化LS-SVM。通过以上研究为风电机组故障诊断提供了改进的、高效的、稳定的模式识别方法。 ②针对当前故障诊断通行模式无法实现自动化与高精度的结合,因而无法适应风电机组故障诊断技术需求的问题,提出一种基于主分量分析(PCA)和前向传播(BP)神经网络维数调整的风电机组故障诊断模型。该模型采用双谱相关值特征矩阵的奇异值谱作为故障特征,用PCA对超高维的奇异值谱进行快速降维,由BP神经网络来增强PCA的非线性处理能力,又通过SWSVM对BP网络输出结果进行校正。理论分析、仿真实验和风电机组轴承故障诊断实例表明该诊断模型解决了双谱应用于风电机组故障诊断的难题,实现了风电机组故障诊断自动化与高精度的结合。 ③在实现风电机组传动系统故障诊断自动化与高精度的基础上,为进一步解决传动系统故障诊断快速性和通用性的问题,提出了基于流形学习特征约简理论的新型传动系统智能故障诊断模式“混合域特征融合→流形学习特征约简→模式识别”,并根据该模式构建了智能故障诊断新模型:“时频域特征融合/EMD与AR模型系数融合—正交局部保持映射(OLPP)/正交邻域保持嵌入(ONPE)/线性局部切空间排列(LLTSA)—小波支持向量机(WSVM)/KNNC”。理论分析、仿真实验和风电机组轴承故障诊断实例表明该诊断模型充分发挥了混合域特征融合的故障特征全面提取优势、流形学习的特征化简优势以及人工智能的模式识别优势,并且该模型以上三个技术环节都具有较好的时效性,因此可实现风电机组故障诊断的自动化、高精度、快速性与通用性的统一。流形学习维数约简理论、混合域特征融合方法和新型风电机组智能故障诊断模式的研究进一步丰富和发展了风电机组故障诊断理论和技术。 ④以智能故障诊断理论模型为核心,研发了风力发电机组状态监测与故障诊断系统,该系统包含数据采集及信号传输,数据库存储管理,数据远程访问,状态监测、智能故障诊断、人机交互等多代理功能,可实现风电机组状态监测与故障诊断技术的系统集成。 文章最后对本文的工作进行了总结,并展望了下一步的研究方向。
【学位授予单位】:重庆大学
【学位级别】:博士
【学位授予年份】:2011
【分类号】:TM315;TP181

【引证文献】
中国博士学位论文全文数据库 前1条
1 陈仁祥;振动谱表征空间滚动轴承寿命状态方法研究[D];重庆大学;2012年
【参考文献】
中国期刊全文数据库 前10条
1 屈微;刘贺平;张德政;;基于独立分量分析特征提取的故障诊断系统[J];北京科技大学学报;2006年07期
2 庄哲民;殷国华;李芬兰;江钟伟;;基于小波神经网络的风力发电机故障诊断[J];电工技术学报;2009年04期
3 丁常富;王亮;;基于交叉验证法的BP神经网络在汽轮机故障诊断中的应用[J];电力科学与工程;2008年03期
4 李锋;汤宝平;刘文艺;;遗传算法优化最小二乘支持向量机的故障诊断[J];重庆大学学报;2010年12期
5 周培毅;张新燕;张华中;;基于遗传算法与BP神经网的风力发电机齿轮箱故障诊断研究[J];华北电力技术;2010年07期
6 熊良才,史铁林,杨叔子;基于双谱分析的齿轮故障诊断研究[J];华中科技大学学报;2001年11期
7 刘瑞斋;;神经网络与遗传算法在优化设计中的结合运用[J];舰船电子工程;2008年07期
8 谢朝霞;穆志纯;谢建军;;基于局部线性嵌入和最近特征线的人耳识别[J];计算机工程与应用;2008年25期
9 汤宝平;习建民;李锋;;基于Elman神经网络的旋转机械故障诊断[J];计算机集成制造系统;2010年10期
10 邓蕾;李锋;姚金宝;;基于流形学习和隐Markov模型的故障诊断[J];计算机集成制造系统;2010年10期
中国硕士学位论文全文数据库 前1条
1 许燕;风力发电机组关键部件的有限元分析[D];新疆大学;2005年
【共引文献】
中国期刊全文数据库 前10条
1 冀卫兴;陈忠海;方筝;;基于DE—BP算法的空调负荷预测研究[J];四川建筑科学研究;2010年05期
2 张德祥;吴小培;卢一相;;EMD在汽车变速齿轮箱振动故障分析的应用[J];安徽大学学报(自然科学版);2009年02期
3 李峻;孙世群;;基于BP网络模型的青弋江水质预测研究[J];安徽工程科技学院学报(自然科学版);2008年02期
4 李峻;孙世群;;BP神经网络在青弋江水质评价上的应用[J];安徽建筑;2008年03期
5 郭立萍;唐家奎;米素娟;张成雯;赵理君;;基于支持向量机遥感图像融合分类方法研究进展[J];安徽农业科学;2010年17期
6 王婷婷;黄燕;;基于NC-SVM的酵母蛋白功能预测研究[J];现代农业科技;2011年07期
7 王尔丹;人群运动与密度估计技术研究[J];安全;2005年03期
8 冯学军;;最小二乘支持向量机的研究与应用[J];安庆师范学院学报(自然科学版);2009年01期
9 周德强;冯建中;;建筑物沉降预测的改进Verhulst模型研究[J];地下空间与工程学报;2011年01期
10 王立平;孔小梅;付梦印;王美玲;张甲文;姜明;;Temperature Drift Modeling of FOG Based on LS-WSVM[J];Journal of China Ordnance;2008年03期
中国重要会议论文全文数据库 前10条
1 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年
2 宋海鹰;桂卫华;阳春华;;基于最小二乘支持向量机的Hammerstein-Wiener模型辨识[A];第二十六届中国控制会议论文集[C];2007年
3 ;Inverse System Control of Nonlinear Systems Using LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
4 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六届中国控制会议论文集[C];2007年
5 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
6 ;LS-SVM Based Stable Generalized Predictive Control[A];第二十七届中国控制会议论文集[C];2008年
7 阎纲;梁昔明;龙祖强;李翔;;一种新的提前一步预测控制算法[A];第二十七届中国控制会议论文集[C];2008年
8 孙玉坤;王博;丁慎平;;基于模糊支持向量机的赖氨酸发酵软测量[A];第二十七届中国控制会议论文集[C];2008年
9 ;GA Based LS-SVM Classifier for Waste Water Treatment Process[A];第二十七届中国控制会议论文集[C];2008年
10 柴伟;孙先仿;乔俊飞;;有监督的等距映射和k近邻分类结合用于集员辨识[A];第二十九届中国控制会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
2 王敏;分布式电源的概率建模及其对电力系统的影响[D];合肥工业大学;2010年
3 李书艳;单点氨基酸多态性与疾病相关关系的预测及其机制研究[D];兰州大学;2010年
4 彭富强;多尺度线调频基稀疏信号分解及其在齿轮箱故障诊断中的应用[D];湖南大学;2010年
5 张明;电能质量扰动相关问题研究[D];华中科技大学;2010年
6 王义文;钢球表面缺陷检测关键技术研究及样机研制[D];哈尔滨理工大学;2010年
7 吕宁;基于数据驱动的故障诊断模型及算法研究[D];哈尔滨理工大学;2009年
8 许伟;基于进化算法的复杂化工过程智能建模方法及其应用[D];华东理工大学;2011年
9 向国齐;支持向量回归机代理模型设计优化及应用研究[D];电子科技大学;2010年
10 桑永胜;空间数据分析的神经计算方法[D];电子科技大学;2010年
中国硕士学位论文全文数据库 前10条
1 曾传华;基于颜色和纹理特征的竹条分级方法研究[D];华中农业大学;2010年
2 朱杰;一种基于聚类的支持向量机反问题求解算法[D];河北大学;2007年
3 高昌鑫;Hilbert-Huang变换改进算法及其在齿轮箱故障诊断中的应用研究[D];河南理工大学;2010年
4 李旭东;煤矿通防安全信息集成与控制预警系统平台研究[D];山东科技大学;2010年
5 田文娟;基于支持向量机的人民币序列号识别方法的研究[D];山东科技大学;2010年
6 孟培培;基于3S的土地督察信息系统研究[D];山东科技大学;2010年
7 张琴;青岛华威风电场风能资源分析及选址关键技术研究[D];山东科技大学;2010年
8 刘维会;不平衡数据集上支持向量机算法研究[D];山东科技大学;2010年
9 陈海清;吉林省洮南风电场选址及长远发展分析[D];长春理工大学;2010年
10 李海清;支持向量机在金融市场预测中的应用[D];辽宁师范大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 屈微;刘贺平;张德政;;基于独立分量分析特征提取的故障诊断系统[J];北京科技大学学报;2006年07期
2 吴宝杰,刘庆廉,李兴林,周银生;润滑脂的动态分油能力对轴承振动性能的影响[J];轴承;2003年05期
3 李峰,张英堂,王宁,宋兵,周宝成;基于小波和奇异谱降噪理论的轴承故障诊断研究[J];轴承;2003年07期
4 赵惠玲,贾峰一,李旭东,常洪;套圈制造精度对滚动轴承振动与噪声的影响[J];轴承;2003年12期
5 裴礼清,赵丽萍;滚动轴承微动磨损导致的振动分析[J];轴承;2004年05期
6 汪久根;王庆九;章维明;;表面粗糙度对轴承振动的影响[J];轴承;2007年01期
7 王坚永,庄中华,吴秀鸾,汤洁;滚动轴承可靠性加速寿命试验研究[J];轴承;1996年09期
8 庄哲民;殷国华;李芬兰;江钟伟;;基于小波神经网络的风力发电机故障诊断[J];电工技术学报;2009年04期
9 杨晓蔚;;滚动轴承振动测量物理量和测量条件的探讨[J];轴承;2011年09期
10 周培毅;张新燕;张华中;;基于遗传算法与BP神经网的风力发电机齿轮箱故障诊断研究[J];华北电力技术;2010年07期
中国博士学位论文全文数据库 前1条
1 赵联春;球轴承振动的研究[D];浙江大学;2003年
中国硕士学位论文全文数据库 前2条
1 刘振宇;高速主轴用滚动轴承性能分析与试验研究[D];北京工业大学;2006年
2 闻凌峰;真空环境中固体润滑轴承损伤机理研究[D];哈尔滨工业大学;2009年
【二级引证文献】
中国硕士学位论文全文数据库 前3条
1 王权;水轮发电机组轴心轨迹识别方法研究与应用[D];华中科技大学;2013年
2 郭帅;离心电锭的动力学分析及优化设计[D];四川理工学院;2014年
3 宁武龙;基于BP神经网络的轴承寿命预测平台开发[D];西南交通大学;2014年
【二级参考文献】
中国期刊全文数据库 前10条
1 鞠万群,韩秋实;基于神经网络与规则库的故障诊断专家系统[J];北京机械工业学院学报;2001年01期
2 张武军,徐金梧,杨德斌,周艳玲,王海峰;声信号分析方法在轴承故障诊断中的应用[J];北京科技大学学报;2002年01期
3 穆志纯;席德春;徐正光;袁立;;外耳形状特征和内耳结构特征结合的人耳特征提取[J];北京科技大学学报;2006年05期
4 李宏男,李东升;土木工程结构安全性评估、健康监测及诊断述评[J];地震工程与工程振动;2002年03期
5 李天云,赵妍,季小慧,李楠;HHT方法在电力系统故障信号分析中的应用[J];电工技术学报;2005年06期
6 马晓建,陈瑞琪,吴文英,周保堂,贺世正;机械故障诊断中常用解调方法的比较及应用[J];东华大学学报(自然科学版);2001年05期
7 王奉涛,马孝江,朱泓,王志鹏;基于Dempster-Shafer证据理论的信息融合在设备故障诊断中应用[J];大连理工大学学报;2003年04期
8 董辛旻,韩捷,毛清华;基于J2EE的汽轮机远程监测和故障诊断系统[J];电力科学与工程;2004年04期
9 李季,严东超;BP神经网络改进算法在电气故障诊断系统中的应用[J];电力科学与工程;2005年01期
10 朱大奇,于盛林;电子电路故障诊断的神经网络数据融合算法[J];东南大学学报(自然科学版);2001年06期
中国博士学位论文全文数据库 前4条
1 盖强;局域波时频分析方法的理论研究与应用[D];大连理工大学;2001年
2 马笑潇;智能故障诊断中的机器学习新理论及其应用研究[D];重庆大学;2002年
3 钟佑明;希尔伯特—黄变换局瞬信号分析理论的研究[D];重庆大学;2002年
4 朱大奇;航空电子设备故障诊断技术研究[D];南京航空航天大学;2002年
中国硕士学位论文全文数据库 前1条
1 李冲祥;神经网络和证据理论集成的数据融合故障诊断方法研究[D];燕山大学;2003年
【相似文献】
中国期刊全文数据库 前10条
1 冯海亮;李见为;王旭初;黄鸿;;基于非线性子流形的人脸识别[J];重庆大学学报;2008年03期
2 张田昊;杨杰;;局部坐标排列[J];上海交通大学学报;2008年04期
3 梁霖;徐光华;栗茂林;张熠卓;梁小影;;冲击故障特征提取的非线性流形学习方法[J];西安交通大学学报;2009年11期
4 喻军;申家峰;;有监督的核局部线性嵌入算法[J];科学技术与工程;2008年14期
5 冯海亮;李见为;黄鸿;;自组织LLE算法及其在人脸识别中的应用[J];光学精密工程;2008年09期
6 贺广南;杨育彬;;基于流形学习的图像检索算法研究[J];山东大学学报(工学版);2010年05期
7 王宪保;陆飞;陈勇;方路平;王守觉;;仿生模式识别的算法实现与应用[J];浙江工业大学学报;2011年01期
8 王兵;黄钰林;杨建宇;武俊杰;;基于最大异类距离特征提取的SAR目标识别方法[J];中国科学:技术科学;2011年10期
9 乔建苹;刘琚;;基于SQI的超分辨率图像重建算法[J];华中科技大学学报(自然科学版);2007年S1期
10 王泽杰;;两类非线性降维流形学习算法的比较分析[J];上海工程技术大学学报;2008年01期
中国重要会议论文全文数据库 前10条
1 董广军;纪松;朱朝杰;;基于局部线性嵌入流形学习的高光谱影像分类技术[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
2 邱慧宁;黄剑;陈羽;赖剑煌;;基于UDP的半监督学习及其在人脸识别的应用[A];第十四届全国图象图形学学术会议论文集[C];2008年
3 蒋全胜;贾民平;胡建中;许飞云;;一种基于流形学习的故障模式识别方法[A];第九届全国振动理论及应用学术会议论文集[C];2007年
4 蒋全胜;贾民平;胡建中;许飞云;;一种基于流形学习的故障模式识别方法[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年
5 何慧;陈博;郭军;;基于流形学习的半监督文本情感分类算法[A];第五届全国信息检索学术会议论文集[C];2009年
6 傅向华;王志强;赵良辉;杜文峰;;基于拉普拉斯流形正则化的半监督图像检索[A];第四届和谐人机环境联合学术会议论文集[C];2008年
7 宋欣;王娟;张斌;叶世伟;;流形学习算法分析及在人脸数据库上的应用[A];2008年全国开放式分布与并行计算机学术会议论文集(上册)[C];2008年
8 刘立;余正涛;王蒙;毛存礼;郭剑毅;;结合词相关特征与流行学习的中文问句分类[A];第六届全国信息检索学术会议论文集[C];2010年
9 董冀媛;穆志纯;欧阳定恒;;基于最大线性片划分的局部切空间排列算法及在多姿态人耳识别中的应用[A];第二十九届中国控制会议论文集[C];2010年
10 曾九孙;郜传厚;罗世华;李启会;;基于增量LPP的在线过程监控方法及其应用[A];中国自动化学会控制理论专业委员会C卷[C];2011年
中国博士学位论文全文数据库 前10条
1 刘晓宁;基于三维模型的人脸识别技术研究[D];西北大学;2006年
2 王雷;基于全局统计与局部几何性质的数据降维算法研究[D];中国科学技术大学;2009年
3 王国强;嵌入邻域判别关系的子空间人脸识别算法研究[D];大连理工大学;2008年
4 李学华;基于核与软计算方法的模式分析[D];电子科技大学;2009年
5 杜春华;人脸特征点定位及识别的研究[D];上海交通大学;2008年
6 金一;人脸识别中的若干算法研究[D];北京交通大学;2009年
7 杨震;文本分类和聚类中若干问题的研究[D];北京邮电大学;2007年
8 于雪莲;基于核方法和流形学习的雷达目标距离像识别研究[D];电子科技大学;2008年
9 舒文杰;RNA二级结构拓扑特征化关键技术及其应用研究[D];国防科学技术大学;2007年
10 田春娜;复杂背景下多视角人脸检测与识别[D];西安电子科技大学;2008年
中国硕士学位论文全文数据库 前10条
1 周晓勇;流形学习算法研究与应用[D];安徽大学;2014年
2 丁娇;基于流形学习算法的植物叶片图像识别方法研究[D];安徽大学;2014年
3 裴书芳;基于流形学习的无线传感器网络入侵检测方法研究[D];河北师范大学;2014年
4 李丽敏;自相交流形学习方法[D];浙江大学;2006年
5 贺惠新;基于流形学习的高维流场数据分类研究[D];哈尔滨工业大学;2008年
6 王添翼;基于卷积网络的三维模型特征提取[D];吉林大学;2006年
7 张炯;基于流形学习的纤维丛学习算法研究[D];苏州大学;2008年
8 钟吉英;半监督学习算法在脑—计算机接口中的应用研究[D];电子科技大学;2009年
9 郑守志;基于流形学习理论的空间信息源研究及应用[D];中国科学院研究生院(计算技术研究所);2006年
10 杨红敏;固有维数估计的研究与应用[D];天津大学;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026